Las sequías, cada vez más graves y frecuentes debido al cambio climático, plantean amenazas importantes para la agricultura y la salud pública. Durante los últimos veranos, en el hemisferio norte se ha puesto de relieve la urgencia de abordar este problema. Una nueva investigación ha conseguido en mejorar la previsión de sequías gracias a la inteligencia artificial, un paso crucial para mitigar los efectos adversos de estos desastres naturales.
«Hemos logrado proporcionar un modelo mejor, adecuado para la toma de decisiones agrícolas y las aplicaciones de seguros», aseguran los investigadores del Instituto de Ciencia y Tecnología de Skolkovo (Rusia), que han propuesto modelos de aprendizaje profundo que predicen sequías utilizando datos climáticos.
Los productores agrícolas que planifican sus operaciones, así como las compañías de seguros y los bancos que evalúan los riesgos climáticos y ajustan las calificaciones crediticias corporativas, buscan este tipo de pronósticos a largo plazo. Los hallazgos se publican en la revista ‘Environmental Modelling & Software’.
Para hacer planes, un agricultor debe tener en cuenta la posibilidad de que una sequía afecte a su negocio, y los bancos tratan de tener en cuenta esos riesgos en las clasificaciones crediticias corporativas. Las compañías de seguros también deben cuantificar los riesgos climáticos para determinar el monto de la prima.
Las cinco regiones en las que se realizaron las investigaciones con la ayuda de IA. / Alexander Marusov et al. / Environmental Modelling & Software
Todas estas empresas se beneficiarían enormemente de predicciones precisas a largo plazo sobre los períodos de sequía inminentes. Sin embargo, estas previsiones no han estado disponibles hasta ahora debido a la naturaleza estocástica (aleatoria) de los fenómenos climáticos y a la complejidad de los datos utilizados.
Los modelos se probaron con datos de cinco regiones que abarcan múltiples continentes y zonas climáticas: Polonia, el estado de Missouri en Estados Unidos, el estado de Goiás en Brasil, el estado indio de Madhya Pradesh y el norte de Kazajstán.
Predicciones a medio y largo plazo
«Las pruebas nos permitieron determinar que nuestra modificación del modelo ‘EarthFormer’ (transformador espacio-temporal para la predicción meteorológica en la superficie terrestre) basado en transformadores es la mejor para realizar predicciones a mediano plazo, mientras que una versión modificada del modelo ‘ConvLSTM’ (red neuronal recurrente para la predicción espacio-temporal) tuvo el mejor desempeño en predicciones a largo plazo«, explica Alexey Zaytsev.
«Nuestro modelo ofrece una alta calidad para una variedad de zonas climáticas. Gracias a los métodos de inteligencia artificial confiables utilizados, esa calidad se mantendrá alta durante los próximos 10 años», añade Zaytsev.
«La previsión de sequías es una preocupación de suma importancia en muchas partes de nuestro país, incluida mi región natal, Astracán (en el sur de Rusia). Sin embargo, este fenómeno natural es difícil de modelar, porque hay que tener en cuenta muchos factores diversos, entre ellos el calentamiento global. Nuestros modelos permiten predecir las sequías con un año de antelación«, indica el autor principal de la investigación, Alexander Marusov.
El lecho seco del río Po, en Italia. / EFE / Giorgio Benvenuti
Los resultados de esta investigación serán utilizados por el banco más grande de Rusia en su sistema de gestión de riesgos. «Si bien los riesgos climáticos en Rusia no son tan evidentes como en países con infraestructuras más densas, ya están teniendo un impacto significativo en la economía. Las sequías generan riesgos para la agricultura, las instalaciones energéticas y la población», resalta Nazar Sotiriadi, coautor del estudio.
«Utilizamos los resultados de las investigaciones para aumentar la precisión de nuestras calificaciones, tanto para seguros como para préstamos. En los próximos años, la gestión de estos riesgos podría tener un mayor efecto en el negocio de lo que esperábamos hace tres o cinco años. Y estas tareas requieren invariablemente modelos de evaluación«, indica Sotiriadi.
Informe de referencia: https://www.sciencedirect.com/science/article/abs/pii/S1364815224001889?via%3Dihub
…………….
Contacto de la sección de Medio Ambiente: [email protected]
